Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Ihre Kosten optimieren

Lektion 10 von 14 Aktualisiert am 2. November 2026 Anfänger
Auf dieser Seite
  1. Ihre API-Budgets unter Kontrolle bringen
  2. Automatischer Cache: Ihr bester Verbündeter
  3. Die Batch-API: 50 % Rabatt auf Tokens
  4. Das richtige Modell auswählen
  5. Provisioned Throughput (Enterprise)
  6. Kombinierte Strategie
  7. Wichtige Erkenntnisse

Ihre API-Budgets unter Kontrolle bringen

Der Einsatz von Grok-Modellen in der Produktion kann eine erhebliche Investition darstellen. Die gute Nachricht: xAI bietet mehrere Hebel zur Optimierung an, die bei sachgemäßer Anwendung Ihre Kosten um 50 % bis 90 % senken können. In dieser Lektion werden konkrete Strategien zur Umsetzung vorgestellt.

Automatischer Cache: Ihr bester Verbündeter

Der Cache von xAI ist der leistungsfähigste Mechanismus zur Kostensenkung, der Ihnen zur Verfügung steht. Er funktioniert automatisch: Wenn zwei Anfragen einen gemeinsamen Präfix teilen (gleicher Systemprompt, gleicher Gesprächsstart), werden bereits verarbeitete Tokens aus dem Cache abgerufen, anstatt neu berechnet zu werden.

Die Einsparung ist massiv:

  • Grok 4.7: 0,50 USD pro Million statt 2,00 USD pro Million (75 % Reduktion)
  • Grok 4.5: 0,30 USD pro Million statt 2,00 USD pro Million (85 %)
  • Grok 4.3 und Generation 4.20: 0,20 USD pro Million statt 1,25 USD pro Million (84 %)

Cache-Trefferquote maximieren

Um das Maximum aus dem Cache herauszuholen, befolgen Sie folgende Grundsätze:

Halten Sie Ihren Systemprompt stabil. Dies ist der längste und am häufigsten wiederverwendete Präfix. Wenn Sie ihn zwischen Anfragen ändern, wird der Cache für die gesamte Anfrage ungültig.

Fügen Sie neue Nachrichten immer an das Ende an. Reorganisieren Sie die Gesprächshistorie nicht – jede Änderung am Präfix bricht den Cache.

Verwenden Sie den Header x-grok-conv-id. Dieser Header, der einen UUID vom Typ v4 erwartet, signalisiert xAI, dass mehrere Anfragen derselben Konversation angehören. Dies verbessert die Routing-Funktion zum entsprechenden Cache.

x-grok-conv-id: 550e8400-e29b-41d4-a716-446655440000

Verwenden Sie denselben UUID für alle Anfragen innerhalb einer einzelnen Konversation und einen neuen UUID für jede neue Konversation.

Die Batch-API: 50 % Rabatt auf Tokens

Die Batch-API, die seit Januar 2026 verfügbar ist, bietet eine 50 %ige Reduktion der Standard-Token-Raten. Das Prinzip: Sie übermitteln eine Batch von Anfragen und erhalten die Ergebnisse asynchron, anstatt sofortige Antworten zu erhalten.

Modell Standard-Eingabe Batch-Eingabe Standard-Ausgabe Batch-Ausgabe
Grok 4.5 2,00 USD 1,00 USD 6,00 USD 3,00 USD
Grok 4.3 1,25 USD 0,63 USD 2,50 USD 1,25 USD

Wichtig: Die Batch-Reduktion gilt ausschließlich für Text-Token. Bild- und Videogenerierungen bleiben auch über die Batch-API mit den Standardraten.

Seit März 2026 können Sie Ihre JSONL-Dateien über die Files-API hochladen, um Ihre Batches einzureichen, was den Arbeitsablauf vereinfacht.

Das richtige Modell auswählen

Die Modellauswahl ist oft der einflussreichste Hebel zur Optimierung. Hier ist ein kostenorientierter Entscheidungsrahmen:

Verwenden Sie standardmäßig grok-4.3. Es ist das wirtschaftlichste der allgemeinen Modelle für die meisten Aufgaben und bietet das größte Kontextfenster in dieser Kategorie. Eingabe: 1,25 USD pro Million, Ausgabe: 2,50 USD pro Million.

Aktivieren Sie das Reasoning nur, wenn es notwendig ist. Reasoning-Tokens werden mit dem Ausgabesatz berechnet. Eine Reasoning-Anfrage kann auf demselben Modell 2- bis 5-mal teurer sein als eine nicht-reasoning-Anfrage.

Steigern Sie auf Grok 4.5 nur für komplexe Aufgaben, die tiefes Reasoning erfordern. Verwenden Sie es nicht für Klassifizierung oder einfache Zusammenfassungen.

Verwenden Sie grok-build-0.1 für Code statt Grok 4.5: Es ist das schnellste Modell in dieser Kategorie, mit der Hälfte des Eingabepreises (1,00 USD gegenüber 2,00 USD) und dreimal günstiger bei der Ausgabe (2,00 USD gegenüber 6,00 USD).

Provisioned Throughput (Enterprise)

Für Enterprise-Kunden mit vorhersehbaren Volumina bietet Provisioned Throughput dedizierte Kapazität mit einer SLA von 99,9 %. Das Abrechnungsmodell beträgt 10,00 USD pro Tag pro Einheit, mit einer Mindestbindung von 30 Tagen.

Dies ist relevant, wenn Sie garantierte Latenzen und höhere Rate-Limits benötigen als bei der Pay-as-you-go-Abrechnung. Der wirtschaftliche Nutzen hängt von Ihrem Volumen ab: Berechnen Sie Ihren monatlichen Verbrauch bei Pay-as-you-go und vergleichen Sie ihn mit den Kosten für Provisioned Throughput.

Kombinierte Strategie

Die optimale Strategie kombiniert mehrere Hebel:

  1. grok-4.3 als Standardmodell
  2. Maximierter Cache durch stabile Prompts und x-grok-conv-id
  3. Batch-API für alle Verarbeitungen, die keine sofortige Antwort erfordern
  4. Intelligentes Routing zu Grok 4.5 nur, wenn die Qualität dies erfordert

Durch die Kombination von Cache (75 % bis 85 % Rabatt auf die Eingabe je nach Modell) und Batch (50 %) können Sie sehr niedrige effektive Kosten erreichen, selbst bei hohen Volumina.

Wichtige Erkenntnisse

  • Der automatischer Cache ist der leistungsfähigste Hebel: 75 % bis 85 % Reduktion bei Eingabetokens je nach Modell
  • Verwenden Sie x-grok-conv-id, um die Cache-Trefferquote zu verbessern
  • Die Batch-API bietet eine 50 %ige Reduktion bei Text-Tokens
  • Wählen Sie das günstigste Modell, das Ihre Qualitätsanforderungen erfüllt
  • grok-4.3 ist die optimale Standardwahl für die meisten Fälle
  • Kombinieren Sie Cache + Batch + passendes Modell, um die Einsparungen zu maximieren